【犀牛书笔记】JavaScript正则表达式的模式匹配

正则表达式，是一个描述字符模式的对象。

JavaScript用RegExp类表示正则表达式

String和RegExp都定义了相关方法

原创文章，转载请注明：http://www.cnblogs.com/phpgcs/

通过正则表达式进行强大的“模式匹配”和“文本检索与替换”功能

内容1：正则表达式的定义
- 直接量字符
- 字符类
- 重复
- 选择，分组，引用
- 指定匹配位置
- 修饰符
内容2：用于模式匹配的String方法
- search()
- replace()
- match()
- split()
内容3：regexp对象
- exec()
- test()

构建正则对象的方法：

var pattern = /s$/;
var pattern = new RegExp("s$");

10.1 正则表达式的定义

10.1.1 直接量字符

所有的字母/数字都是按照字面含义进行匹配

非字母的字符匹配需要通过 \ 前缀进行转义

\o NULL(\u0000)
\t 制表符(\u0009)
\n 换行符(\u000A)
\v 垂直制表符(\u000B)
\f 换页符(\u000C)
\r 回车符(\u000D)
\xnn 由16进制nn指定的拉丁字符
\uxxxx 由16进制xxxx指定的Unicode字符
\cX 控制字符^X

特殊含义的标点符号：

^ $ . + ? ! : | \ / ( ) ] \ { }

某些符号只有在正则的某些上下文中才有某种特殊含义，在其他地方则当成直接量处理

通行的规则：用前缀\来匹配特殊字符的直接量

对于数字和字母，尽量不要用 \ 前缀，那是有特殊意义的。

10.1.2字符类

将直接量字符单独放进 [] 就组成了字符类(character class)

/[abc]/匹配 a b c的任意一个

/[^abc]/定义来一个“否定字符类”，匹配除了a b c的字符

常用：/[a-z]/,/[a-zA-Z0-9]/

[...]
[^...]
. 任意字符，除了换行符/其他Unicode行终止符号
\w 任何ASCII组成的单词，等价[a-zA-Z0-9]
\W 任何非。。。。，等价[^a-zA-Z0-9]
\s 任意Unicode空白符
\S 任意非Unicode空白符，区分跟\w的区别
\d 任意ASCII数字，等价[0-9]
\D [^0-9]
[\b] 退格直接量

10.1.3重复

{n,m}
{n,}
{n}
?

这些重复默认都是“贪婪的”，允许后续的正则表达式继续匹配。

举例：

/a+/匹配"aaa"结果"aaa"

/a+b/匹配"aaab"结果“aaab"

非贪婪模式，在重复字符后面加上?

举例：

/a+?/匹配"aaa"结果"a",第一个"a"

/a+?b/匹配"aaab"结果“aaab",跟贪婪一样

它是应该匹配尽可能少的"a"和一个"b",而匹配总是会寻找字符串中”第一个可能匹配的位置“

思考：如果就要匹配"ab"呢？

10.1.4 选择、分组和引用

选择有个特点，就是一旦匹配到左边的结果，就会忽略右边的

/a|ab/匹配"ab"结果"a"

这里要说说圆括号()的多个作用：

把单独的项组合成子表达式，(...)以便可以用 | * + ? 来对这个子表达式进行处理

/java(script)?/可以匹配"java"也可以匹配"javascript"
在完整的模式中定义子模式，以便后续的处理
允许在同一个正则表达式的后部引用前面的子表达式

通过\1,\2...实现

常用的例子比如匹配html标记 <(\S?)[^>]>.?</\1>|<.? />

再比如/(['"])[^'"]*\1/匹配"display:none;"这样子左右侧的引号要相匹配

正则不允许用"括起的内容中有'，反之亦然

不允许在“字符类”中使用\1这种引用

(?:[Ss]cript)仅仅用于分组，而不生成引用

| 选择
(...) 组合
(?:...) 只组合，但不记忆
\n 引用记忆

10.1.5指定匹配位置(锚)

\b 匹配单词边界，即位于\w \W之间的边界，注意[\b]匹配的则是退格符
^
$
\B
(?=p) 零宽正向先行断言，要求接下来的字符都与p匹配，但不包括匹配p的那些字符
(?!p) 零宽负向先行断言

/^JavaScript$/匹配"JavaScript"

/\s\Java\s/匹配" Java ",无法匹配到开头/结尾的"Java"，也有多余的空格

/\bJava\b/就可以补充以上2点

/\Bscript/匹配"postscript",而不匹配"script","scripting"

任意正则表达式都可以作为一个锚点条件

先行断言：(?=...)

/[Jj]ava([Ss]cript)?(?=:)/ 只在后面有冒号时才匹配

匹配"JavaScript: The Definitive Guide"中的Javascript

不匹配"Javascript in a Nutshell"中的Javascript

负向先行断言:(?!...)，用以指定接下来的字符不必匹配

/Java(?!Script)([A-Z]\w*)/

匹配"Java"后跟随一个大写字母和任意多个ASCII单词，但是后面不能跟随Script

匹配成功："JavaBeans"

匹配失败："Javanese","JavaScript","JavaScripter"

10.1.6修饰符

i 不区分大小写
g 全局匹配，找到所有的匹配
m 多行匹配模式，^匹配一行的开头和字符串的开头
$匹配行的结束和字符串的结束

10.2 用于模式匹配的String方法

search()
replace()

"JavaScript".search(/script/i);

4

"JavaScript".search(/script/);

-1

不支持全局搜索，会忽略/g

"abababab".replace(/a/gi,"A");

"AbAbAbAb"

"abababab".replace(/a/gi,"M");

"MbMbMbMb"

"1 plus 2 equals 3".match(/\d+/g);

["1", "2", "3"]

"1 plus 2 equals 3".match(/\d+/);

["1"]

var text="http://www.cnblogs.com/phpgcs";

var url=/(\w+):\/\/([\w.]+)\/(\S*)/;

text.match(url);

["http://www.cnblogs.com/phpgcs", "http", "www.cnblogs.com", "phpgcs"]

//给match方法传入一个非全局的正则表达式，实际上跟exec()方法是一样的

"123,456,789".split(",")

["123", "456", "789"]

"123 , 456, 789".split(/\s*,\s*/);

["123", "456", "789"]

10.3 RegExp对象

var zipcode = new RegExp("\d{5}", "g");

这个构建函数非常有用，尤其是需要动态创建正则表达式的时候，比如用户输入。

（通过eval()也可以实现在运行时动态创建这个正则，但是不推荐）

另外，注意这个例子中的\,而不是,无论是“字符串直接量”还是“正则表达式”，都要使用""字符作为”转义字符前缀“

除了构建正则之外，RE对象还支持3个方法和一些属性

5个属性：

var zipcode=new RegExp("\\d{5}", "g");

undefined

zipcode

/\d{5}/g

zipcode.source

"\d{5}"

zipcode.global

true

zipcode.ignoreCase

false

zipcode.multiline

false

zipcode.lastIndex

0

2个方法：

exec(),test()

var pattern = /Java/g;

var text = "JavaScript is more fun than Java!";

var result;

while((result = pattern.exec(text))!=null){ console.log("Matched '"+result[0]+"'"+" at position "+result.index+";next search begins at "+pattern.lastIndex);}

Matched 'Java' at position 0;next search begins at 4

Matched 'Java' at position 28;next search begins at 32

var pattern = /Java/g;

"JavaScript".test(pattern);

pattern.test("JavaScript");

true

对比下这4+2=6种方法：

String:search(),replace(),match(),split()

RegExp:exec(),test()

和 match() 不同，无论是否有 g，exec()都会返回一样的数组

当 exec() 含 g，情况较复杂

将会把当前pattern.lastIndex设置为紧邻匹配子串的字符位置（如上例子）

当同一个pattern再一次调用exec()，将从lastIndex开始检索

如果没有发现匹配结果，pattern.lastIndex重置0

var pattern = /Java/g;

var text = "JavaScript is more fun than Java Java Java!";

text.match(pattern);

["Java", "Java", "Java", "Java"]

pattern.exec(text);

["Java"]

pattern.lastIndex

4

pattern.exec(text);

["Java"]

pattern.lastIndex

32

pattern.exec(text);

["Java"]

pattern.lastIndex

37

pattern.exec(text);

["Java"]

pattern.lastIndex

42

pattern.exec(text);

null

pattern.lastIndex

0

pattern.exec(text);

["Java"]

pattern.lastIndex

4

如果让一个带g的pattern对“多个”字符串执行exec()或者test()，

要么需要在每个string中找出所有的匹配，以便将lastIndex自动重置0

要么需要显式将lastIndex手动设置0（最后一次检索失败时）

当然，如果RegExp不带有g修饰，则不必担心这个问题。

在ECMAScript5中，正则的每次计算都会创建一个新的RegExp对象，各自有各自的lastIndex属性，将大大减少“残留”lastIndex对程序造成的意外影响。

String的方法search(),replace(),match()并不会用到 lastIndex属性，只是简单的设置为0